图解边缘检测
opencv 应用Canny算法进行边缘检测
import cv2 as cvimport numpy as npimg = cv.imread('baby_g.jpg', 0)# 二值化图像处理后，边缘检测效果更好_, thresh = cv.threshold(img, 0, 255, cv.THRESH_BINARY + cv.THRESH_OTSU)# canny边缘检测，60以下置为0,180以上置为255,第2、3参数的作用可查看本文最后一部分内容edges = cv.Canny(thresh, 60, 180) cv.imshow('canny', np.hstack((img, edges)))cv.waitKey(0)cv.destroyAllWindows()
实验结果
Canny算法原理
请参考Canny边缘检测算法原理详解 Canny边缘检测算法原理
Canny算法手动实现
请参考Canny边缘检测算法python实现 Canny边缘检测算法python实现
opencv中使用Canny算法
请参考opencv中的Canny算法使用 opencv中的Canny算法使用
通过程序观察cv.Canny函数第二个，第三个参数的作用
import cv2 as cvimport numpy as npdef track_back(x):passimg = cv.imread('paojie_g.jpg', 0)cv.namedWindow('window')# 创建滑动条cv.createTrackbar('maxVal', 'window', 30, 100, track_back)cv.createTrackbar('minVal', 'window', 180, 255, track_back)while(True):# 获取滑动条的值max_val = cv.getTrackbarPos('maxVal', 'window')min_val = cv.getTrackbarPos('minVal', 'window')edges = cv.Canny(img, min_val, max_val)cv.imshow('window', edges)# 按下ESC键退出if cv.waitKey(30) == 27:break
